2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩74頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領

文檔簡介

1、本論文研究的主要內(nèi)容是基于內(nèi)容的圖像結構表示和分類。作為一個有著廣泛應用前景的研究領域,基于內(nèi)容的圖像分類吸引了越來越多的研究人員參與,取得了許多研究成果并開發(fā)了一些商用和研究型系統(tǒng)。但由于缺少結構化的表示,基于內(nèi)容的圖像分類存在一定的問題。基于此,一些學者研究用神經(jīng)網(wǎng)絡表示和處理數(shù)據(jù)結構的方法,通過結構的反傳算法(BPTS)學習和分類樹型和圖型結構信息。 本文在前人工作的基礎上,分別對特征提取、結構內(nèi)容的表示和分類,各種迭代網(wǎng)

2、絡分類器以及誤差收斂曲線進行了研究和討論。設計并實現(xiàn)了一個基于結構內(nèi)容的圖像分類系統(tǒng)。 在特征提取方面,總結了CBIR中成熟的顏色、紋理和形狀特征提取方法。提出了一種分塊主色HSV特征提取算法。實驗結果證明,主色HSV相對RGB更符合人的視覺和心理感知;中心分塊在描述局部信息的同時也能突出主題。 給出了圖像結構化表示的數(shù)學定義以及通過結構反傳(BPTS)算法的自適應處理數(shù)據(jù)結構迭代神經(jīng)網(wǎng)絡的一般框架。 提出了一種

3、基于樹型結構的自然圖像表示和分類的方法。實現(xiàn)了對圖像逐步分級的四叉樹型結構(無區(qū)域分割)的表示以及在UCBerkeley的圖像庫分割結果基礎上的自動鄰接區(qū)域二叉樹和人工生成多叉樹型結構表示。討論了幾種不同迭代神經(jīng)網(wǎng)絡模型的分類器以及通過結構反傳的樹型結構的學習流程。實驗結果表明,基于迭代神經(jīng)網(wǎng)絡的結構表示和分類方法具有很強的結構學習能力,而且相對于傳統(tǒng)的BP網(wǎng)絡,分類性能有很大的提高。同時,基于分割結果的樹型表示,尤其是人工生成的多叉樹

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論